CN115348650A - 一种提高5g网络节能效率的方法 - Google Patents
一种提高5g网络节能效率的方法 Download PDFInfo
- Publication number
- CN115348650A CN115348650A CN202210872337.6A CN202210872337A CN115348650A CN 115348650 A CN115348650 A CN 115348650A CN 202210872337 A CN202210872337 A CN 202210872337A CN 115348650 A CN115348650 A CN 115348650A
- Authority
- CN
- China
- Prior art keywords
- base station
- micro base
- network
- intelligent
- agent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 16
- 230000009471 action Effects 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 description 14
- 238000010295 mobile communication Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000002787 reinforcement Effects 0.000 description 7
- 238000004134 energy conservation Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/0827—Triggering entity
- H04W28/0835—Access entity, e.g. eNB
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
- H04W28/0933—Management thereof using policies based on load-splitting ratios
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种提高5G网络节能效率的方法,包括云端的智能网络管理层和由宏基站和微基站组成的无线接入层,步骤一、在智能网络管理层建立智能代理人模块,每个智能代理人模块对应无线接入层里不同的宏基站和微基站;步骤二、智能代理人模块实时收集分析宏基站的网络负载变化信息和微基站的流量变化信息;步骤三、当监控到某个微基站的流量负载小于设定的容量阈值δ时,智能代理人模块通过智能5G网络节能算法和其附近微基站的智能代理人模块进行用户流量信息和工作状态信息的交换分析;并调整微基站的工作状态。本发明通过智能化开启或休眠微基站数,达到了减小微基站的能耗,同时提高了整个网络资源的利用率。
Description
技术领域
本发明涉及一种网络节能方法,具体涉及一种提高5G网络节能效率的方法,属于通信技术中基站节能领域。
背景技术
1947年美国贝尔实验室提出移动通信***的蜂窝***概念和可行性。经过几十年研究开发到20世纪80年代,第一代移动通信***模拟蜂窝***在全世界规模化投入商用。80年代末,数字化的全球移动通信***(GSM,Global System for MobileCommunications)在欧洲出现,由于数字***在通信性能各方面明显优于模拟***,所以很快在世界范围内商用,并被称之为第2代移动通信***(2G,second Generation)。从此数字化移动通信进入高速发展阶段。为了满足日益增长的各种多媒体通信的需求,又陆续开发出采用码分多址(CDMA,Code Division MultipleAccess)技术的3G移动通信***,采用长期演进(LTE,Long Term Evolution)技术的4G移动通信***。目前随着智能移动设备的普及应用,移动通信的数据流量***式增长,移动通信***向5G迈进。
随着5G时代移动通信的到来,为了满足各种不同移动业务和用户体验的需求,5G***将利用更高频段的频谱资源,建设密度更高的无线接入节点(微基站)。但这些措施同时会大大提高能源消耗等运营成本。为了降低运营成本同时保证用户体验,运营商需要寻找新的网络资源管理技术来降低运营成本。
绿色节能技术目前已经成为移动通信最重要的技术之一。尤其是5G网络运营商希望在用户数据流量增长的同时总能源能耗不会大幅提高。因此,目前针对绿色移动通信,国内外相关机构已经展开了一系列的研究和相关标准的制定工作。如IMT-2020推进组提出了5G网络建设的运营能耗与成本效率改善建议。***通信集团公司等运营商也积极开展节能减排和可持续发展战略研究部署。目前移动通信仍面临严峻的消耗持续增长的形势,所以持续的绿色节能技术创新在5G网络中的应用将是必不可少的。
现有移动网络的节能技术主要分为:基站本身节能技术,如改善硬件能耗,太阳能供电技术等。通过网络资源管理节能技术,如基于流量的基站休眠节能技术等。将来在5G网络中将部署大量的微基站,未来的5G网络将是一个多种接入技术并存的异构网络结构。因此传统的网络资源管理节能技术将很难在减少能耗、满足用户数据流量需求和保证用户通信质量之间找到平衡。如何在保证用户通信体验的前提下,尽可能地节能降耗,这是一个有待研究的问题。
发明内容
本发明针对现有技术的不足,提供一种既能够节能降耗,又能够保证用户数据流量和通信质量需求的提高5G网络节能效率的方法。
本发明具体是这样实现的:
一种提高5G网络节能效率的方法,包括云端的智能网络管理层和由宏基站和微基站组成的无线接入层,包括如下步骤:
步骤一、在智能网络管理层建立智能代理人模块,每个智能代理人模块对应无线接入层里不同的宏基站和微基站,用以监控宏基站的网络负载变化信息和微基站的流量变化信息;
步骤二、智能代理人模块实时收集分析宏基站的网络负载变化信息和微基站的流量变化信息;
步骤三、当监控到某个微基站的流量负载小于设定的容量阈值δ时,智能代理人模块通过智能5G网络节能算法和其附近微基站的智能代理人模块进行用户流量信息和工作状态信息的交换分析;
如果发现附近有正在运行且没有满负荷运行的微基站,这时智能5G网络节能算法将通过智能网络资源管理层下达指令给无线接入层里的宏基站,将流量负载分流给附近这些适合的没有满负荷运行的微基站,同时所述流量负载小于设定的容量阈值δ的微基站进入休眠状态;
如果检测到其周边微基站都满负荷时,重复以上步骤。
更进一步的方案是:
所述智能5G网络节能算法包括:
步骤1:
初始化:将智能代理人分为宏基站代理人和微基站代理人,将宏基站代理人和微基站代理人初始化;
步骤2:
更新:更新宏基站代理人和微基站代理人收集的信息;
步骤3:
宏基站代理人和微基站代理人交换收集的基站负载信息,根据网络的运行状态做出最优化决策以达到纳什平衡;
步骤4:
更新网络流量负载分配管理决策Sloadi(t),通过宏基站代理人和微基站代理人调整微基站流量负载。
更进一步的方案是:
步骤2具体包括:
循环更新
从For i=1,..,n.
更新宏基站代理人和微基站代理人收集的负载信息;
结束for;
其中n为宏基站代理人和微基站代理人的最大数量。
更进一步的方案是:
步骤3具体包括:
如果微基站流量负载<其设定的微基站容量阈值δ:
宏基站代理人和微基站代理人进行强化学习得到最佳网络流量负载分配管理决策Sloadi(t),其中t表示t时刻的时间;
Qk+1(sk,ak|ωMagent)为宏基站代理人下一步调整流量负载分配后的积累奖励期望,Qk+1(sk,ak|ωSagent)为微基站代理人下一步调整流量负载分配后的积累奖励期望,sk为当前负载分配状态,ak为当前流量负载调整分配动作,Qk(sk,ak)为当前经过k步调整流量负载分配情况下的平均积累奖励,α为智能体学习系数,γ为积累奖励衰减系数,为在当前状态下s'选择最佳流量负载调整分配动作a'后产生的积累奖励,εk+1为进行最佳流量负载调整分配动作a'前的积累奖励,Sloadi(t|Qk+1)为宏基站代理人和微基站代理人进行最佳流量负载调整分配动作a'后的流量负载分配管理决策。
其中,积累奖励衰减系数γ的取值范围为0<γ<1。
更进一步的方案是:
步骤4具体包括:
计算此时网络整体收益Utilityi(t)
云服务器通过智能代理人间多智能体达到纳什平衡得到最优网络流量负载分配管理决策;
结束循环,当前网络流量负载分配管理决策Sloadi(t)就是最佳流量负载分配方法;
否则就更新网络流量负载分配管理决策Sloadi(t):
重新执行步骤2。
更进一步的方案是:
所述设定的微基站容量阈值δ为微基站最大容量的10%。
本发明利用人工智能技术多智能体强化学习(Multi-agent ReinforcementLearning)智能5G网络节能算法,智能化调整网络流量负载,有效的解决5G异构网络中动态负载的微基站能耗的问题。
与现有技术相比,本发明至少具有如下突出的优点:
本发明通过智能化开启或休眠微基站数,达到了减小微基站的能耗,同时提高了整个网络资源的利用率。本发明所述方法有实时性好,智能化的特点,在保证对不同微基站区域内的用户服务质量的同时,大大降低了网络能耗提高了网络资源的利用率,达到了节能减排的良好效果。
附图说明
图1为本发明一个实施例的***原理图;
图2为本发明一个实施例的微基站休眠/开启过程流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
本实施例当网络负载变化时,智能化开启或休眠微基站来提高总体网络的资源利用率达到节能的目的,从而有效地解决5G异构网络中动态负载的微基站能耗的问题,通过智能化开启或休眠微基站数,达到了减小微基站的能耗,同时提高了整个网络资源的利用率。
本实施例中,考虑的是异构网络模型。请见图1,无线接入层中包含宏基站和微基站,宏基站容量大覆盖距离大,微基站容量小覆盖小,但可以在楼宇中或通信需求密集区方便的安装。微基站的部署对宏基站补充,提高了***的吞吐量,改善宏基站覆盖区边缘用户的通信质量。本发明适用于部署了密集微基站的网络结构中,微基站提供大流量高负载时的热点覆盖,保证用户服务质量。智能网络资源管理层对应无线接入层,本发明的目的就是通过智能5G网络节能算法让低负载的微基站进入休眠状态,达到节能减排的效果。
请见图2,本发明提供了通过一种智能5G网络节能算法,从而智能化应对网络负载。当网络负载变化时,智能化开启或休眠微基站来提高总体网络的资源利用率达到节能的目的。本发明有效的解决5G异构网络中动态负载的微基站能耗的问题,通过智能化开启或休眠微基站数,达到了减小微基站的能耗,同时提高了整个网络资源的利用率。
本实施例的实现具体包括以下步骤:
步骤A:首先建立智能网络资源管理层的智能代理人(Agent)模块,每个智能代理人模块对应无线接入层里不同的宏基站和微基站,用以监控宏基站的网络负载变化信息和微基站的流量变化信息。
具体来说:智能代理人(Agent)模块是一种具有自主性,智能性,可以互相通信,合作并自动运行的程序。如图1所示,智能代理人(Agent)模块位于智能网络资源管理层,每个智能代理人(Agent)对应于无线接入层里不同的微基站和宏基站构成网络的不同智能单元,收集他们的网络负载信息,用户流量,工作运行状态信息。智能网络资源管理层位于云服务器,通过智能代理人(Agent)模块间自主性,智能性,相互协作性的特点实现智能化5G网络节能算法,根据网络的运行状态做出合理的基站管理决策。
步骤B:智能代理人(Agent)模块实时收集分析宏基站网络负载变化和微基站用户流量变化信息。
具体来说:无线接入层里微基站和宏基站的网络负载信息,用户流量,工作运行状态信息都会实时上传到智能网络资源管理层所处的云服务器中,微基站的部署对宏基站补充,提高了***的吞吐量,改善宏基站覆盖区边缘用户的通信质量。智能网络资源管理层里的不同智能代理人(Agent)模块可以实时收集分析自己所对应的不同的宏基站网络负载信息和微基站的用户流量变化信息,以及他们的工作运行状态信息。
步骤C:取阈值δ为微基站最大容量的10%,当一个微基站的智能代理人(Agent)模块检测到该微基站流量负载小于其10%最大容量时,通过智能5G网络节能算法智能化调节基站的负载。这个智能代理人(Agent)模块通过智能5G网络节能算法和其附近微基站的智能代理人模块进行用户流量信息和工作状态信息的交换分析,如果发现附近有运行且没有满负荷运行的微基站,这时智能5G网络节能算法将通过智能网络资源管理层下达指令给无线接入层里的宏基站,将流量负载分流到附近这些适合的没有满负荷运行微基站,同时这个微基站进入休眠状态。如果检测到其周边微基站都满负荷时,重复以上步骤。
这样既能保证资源利用率,又能确保网络的QoS(服务质量)。
其中,本实施例提供了一种基于多智能体强化学习(Multi-agent ReinforcementLearning)智能5G网络节能算法,包含以下步骤:
步骤1:
初始化Initialization:宏基站代理人(Magenti)和微基站代理人(Sagenti)初始化.
步骤2:
更新Updating:更新宏基站代理人(Magenti)和微基站代理人(Sagenti)收集的信息。
循环:
从For i=1,..,n.
更新宏基站代理人(Magenti)和微基站代理人(Sagenti)收集的负载信息。
结束for.
步骤3:
宏基站代理人(Magenti)和微基站代理人(Sagenti)交换收集的基站负载信息,根据网络的运行状态做出最优化决策以达到纳什平衡(Nash Equilibrium)。
如果if微基站流量负载(Load-Sagenti)<其最大微基站流量负载能力10%(Max-Load-Sagenti):
宏基站代理人(Magenti)和微基站代理人(Sagenti)进行强化学习得到最佳网络流量负载分配管理决策Sloadi(t)。
Qk+1(sk,ak|ωMagent)为宏基站代理人下一步调整流量负载分配后的积累奖励期望,Qk+1(sk,ak|ωSagent)为微基站代理人下一步调整流量负载分配后的积累奖励期望,sk为当前负载分配状态,ak为当前流量负载调整分配动作,Qk(sk,ak)为当前经过k步调整流量负载分配情况下的平均积累奖励,α为智能体学习系数,γ(0<γ<1)为积累奖励衰减系数,为在当前状态下a'选择最佳流量负载调整分配动作α'后产生的积累奖励,εk+1为进行最佳流量负载调整分配动作a'前的积累奖励,Sloadi(t|Qk+1)为宏基站代理人和微基站代理人进行最佳流量负载调整分配动作a'后的流量负载分配管理决策。
步骤4:
更新网络流量负载分配管理决策Sloadi(t),通过宏基站代理人(Magenti)和微基站代理人(Sagenti)调整微基站流量负载。
计算此时网络整体收益Utilityi(t)
云服务器通过智能代理人(Agent)间多智能体(Multi-agent)达到纳什平衡(NashEquilibrium)得到最优网络流量负载分配管理决策。
结束循环,当前网络流量负载分配管理决策Sloadi(t)就是最佳流量负载分配方法。
否则就更新网络流量负载分配管理决策Sloadi(t):
重新执行步骤2。
通过以上方案,本发明利用人工智能技术多智能体强化学习(Multi-agentReinforcement Learning)智能5G网络节能算法,智能化调整网络流量负载,有效的解决5G异构网络中动态负载的微基站能耗的问题,通过智能化开启或休眠微基站数,达到了减小微基站的能耗,同时提高了整个网络资源的利用率。本发明所述方法有实时性好,智能化的特点,在保证对不同微基站区域内的用户服务质量的同时,大大降低了网络能耗提高了网络资源的利用率,达到了节能减排的良好效果。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (7)
1.一种提高5G网络节能效率的方法,包括云端的智能网络管理层和由宏基站和微基站组成的无线接入层,其特征在于包括如下步骤:
步骤一、在智能网络管理层建立智能代理人模块,每个智能代理人模块对应无线接入层里不同的宏基站和微基站,用以监控宏基站的网络负载变化信息和微基站的流量变化信息;
步骤二、智能代理人模块实时收集分析宏基站的网络负载变化信息和微基站的流量变化信息;
步骤三、当监控到某个微基站的流量负载小于设定的容量阈值δ时,智能代理人模块通过智能5G网络节能算法和其附近微基站的智能代理人模块进行用户流量信息和工作状态信息的交换分析;
如果发现附近有正在运行且没有满负荷运行的微基站,这时智能5G网络节能算法将通过智能网络资源管理层下达指令给无线接入层里的宏基站,将流量负载分流给附近这些适合的没有满负荷运行的微基站,同时所述流量负载小于设定的容量阈值δ的微基站进入休眠状态;
如果检测到其周边微基站都满负荷时,重复以上步骤。
2.根据权利要求1所述提高5G网络节能效率的方法,其特征在于:
所述智能5G网络节能算法包括:
步骤1:
初始化:将智能代理人分为宏基站代理人和微基站代理人,将宏基站代理人和微基站代理人初始化;
步骤2:
更新:更新宏基站代理人和微基站代理人收集的信息;
步骤3:
宏基站代理人和微基站代理人交换收集的基站负载信息,根据网络的运行状态做出最优化决策以达到纳什平衡;
步骤4:
更新网络流量负载分配管理决策Sloadi(t),通过宏基站代理人和微基站代理人调整微基站流量负载。
3.根据权利要求2所述提高5G网络节能效率的方法,其特征在于:
步骤2具体包括:
循环更新
从For i=1,..,n.
更新宏基站代理人和微基站代理人收集的负载信息;
结束for;
其中n为宏基站代理人和微基站代理人的最大数量。
4.根据权利要求2或3所述提高5G网络节能效率的方法,其特征在于:
步骤3具体包括:
如果微基站流量负载<其设定的微基站容量阈值δ:
宏基站代理人和微基站代理人进行强化学习得到最佳网络流量负载分配管理决策Sloadi(t);
5.根据权利要求4所述提高5G网络节能效率的方法,其特征在于:
积累奖励衰减系数γ的取值范围为0<γ<1。
7.根据权利要求4所述提高5G网络节能效率的方法,其特征在于:
所述设定的微基站容量阈值δ为微基站最大容量的10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210872337.6A CN115348650B (zh) | 2022-07-20 | 2022-07-20 | 一种提高5g网络节能效率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210872337.6A CN115348650B (zh) | 2022-07-20 | 2022-07-20 | 一种提高5g网络节能效率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115348650A true CN115348650A (zh) | 2022-11-15 |
CN115348650B CN115348650B (zh) | 2024-05-14 |
Family
ID=83949521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210872337.6A Active CN115348650B (zh) | 2022-07-20 | 2022-07-20 | 一种提高5g网络节能效率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115348650B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592536A (zh) * | 2016-01-27 | 2016-05-18 | 重庆邮电大学 | 5g网络中动态开启/关闭微蜂窝的节能方法 |
CN106879057A (zh) * | 2017-03-06 | 2017-06-20 | 武汉中天元科技有限公司 | 一种5g无线网络智能化节能方法 |
CN111065131A (zh) * | 2019-12-16 | 2020-04-24 | 深圳大学 | 切换方法、装置及电子设备 |
CN114390057A (zh) * | 2022-01-13 | 2022-04-22 | 南昌工程学院 | Mec环境下基于强化学习的多接口自适应数据卸载方法 |
-
2022
- 2022-07-20 CN CN202210872337.6A patent/CN115348650B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592536A (zh) * | 2016-01-27 | 2016-05-18 | 重庆邮电大学 | 5g网络中动态开启/关闭微蜂窝的节能方法 |
CN106879057A (zh) * | 2017-03-06 | 2017-06-20 | 武汉中天元科技有限公司 | 一种5g无线网络智能化节能方法 |
CN111065131A (zh) * | 2019-12-16 | 2020-04-24 | 深圳大学 | 切换方法、装置及电子设备 |
CN114390057A (zh) * | 2022-01-13 | 2022-04-22 | 南昌工程学院 | Mec环境下基于强化学习的多接口自适应数据卸载方法 |
Non-Patent Citations (1)
Title |
---|
孙晓爽;: "异构网络中的基站休眠――基于流量预测的方法", 电子技术与软件工程, no. 10, 15 May 2017 (2017-05-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115348650B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111836283B (zh) | 一种基于mec多服务器的车联网资源分配方法 | |
CN102413554B (zh) | 一种基于异构蜂窝无线网络的节能方法及其实现结构 | |
CN104159258B (zh) | 一种通信节点状态调整方法、装置及*** | |
CN104619029B (zh) | 一种集中式蜂窝网络架构下的基带池资源分配方法和装置 | |
CN108848520A (zh) | 一种基于流量预测与基站状态的基站休眠方法 | |
CN106791887B (zh) | 无线网络中视频的分布式缓存和传输优化方法 | |
CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN106879057A (zh) | 一种5g无线网络智能化节能方法 | |
Habibi et al. | Adaptive energy-efficient small cell sleeping and zooming in heterogeneous cellular networks | |
CN105101214A (zh) | 一种超密集无线网络的资源虚拟化映射方法 | |
CN113286310B (zh) | 基于双连接技术的超密集网络用户数与微基站数配比方法 | |
Gu et al. | Traffic offloading and power allocation for green HetNets using reinforcement learning method | |
CN103167593A (zh) | 一种异构网络中基于博弈论的高效功控方法 | |
CN105592537B (zh) | 一种5g中继网络节能方法及*** | |
CN102612045A (zh) | 长期演进***中基于微小区协作的节能方法 | |
Adiraju et al. | Dynamically energy-efficient resource allocation in 5G CRAN using intelligence algorithm | |
CN115348650B (zh) | 一种提高5g网络节能效率的方法 | |
CN114679772B (zh) | 一种基于用户关联的5g基站自寻优休眠方法及装置 | |
Liu | Research on resource allocation and optimization technology in 5G communication network | |
You et al. | A novel cell zooming strategy towards energy efficient based on load balancing in random heterogeneous networks | |
Zhang et al. | Intelligent energy saving technology and strategy of 5G RAN | |
CN104168634B (zh) | 用于lte-a蜂窝网络的分布式用户位置感知小区关闭方法 | |
CN107995034A (zh) | 一种密集蜂窝网络能量与业务协作方法 | |
Wang et al. | Key technologies of green communication for 5G mobile network | |
Chabbouh et al. | Offloading decision algorithm for 5G/HetNets cloud RAN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |